Výzkum endoskopické přesné biopsie. (REPB)

Kolorektální adenom je běžné a často se vyskytující onemocnění v gastroenterologii. S neustálým pokrokem kolonoskopického vybavení a postupným zdokonalováním endoskopického příslušenství, zejména rozvojem chromo-endoskopie a zvětšovací endoskopie. Pozorováním povrchové struktury a kapilární morfologie kolorektálních adenomů lze realizovat optickou biopsii. V současné době je většina klinické endoskopické diagnostiky kolorektálních onemocnění biopsie pod kolonoskopií a další možnosti léčby se určují na základě patologických výsledků biopsie. Problémem je, že patologická diagnóza některé předoperační biopsie není zcela v souladu s patologickou diagnózou pooperačních velkých vzorků. Předchozí studie zjistily, že míra přesnosti patologické diagnózy předoperační biopsie je pouze 66–75 %, takže existuje určitá míra subjektivity při spoléhání se pouze na kolonoskopickou biopsii bílého světla. Na základě předchozí práce výzkumný tým nejprve vytvořil inteligentní rozpoznávací model pro klasifikaci kolorektálního adenomu (nízký stupeň intraepiteliální neoplazie, intraepiteliální neoplazie vysokého stupně) a vytvořil kolorektální adenom určité velikosti s anotovaným souborem endoskopických obrazových dat. Pomocí algoritmu YOLO-V4, v rámci Darknet, k trénování systému umělé inteligence (AI), který specificky pro rozpoznávání a diagnostiku adenomů dosáhl přesnosti více než 90 %. Cílem této studie je na základě předchozí práce zvětšit velikost vzorku a dále zlepšit přesnost klasifikace a diagnostiky systému AI tak, aby navedla endoskopistu k provádění cílené biopsie a zlepšila přesnost předoperační biopsie.